基于宏操作变异神经架构搜索的色素性皮损图像分类方法技术

本发明专利技术提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法针对基于人工设计CNN的色素性皮损图像分类方法需要丰富的神经网络设计经验和大量的参数调优的问题，提出了一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法以自动构建面向色素性皮损图像分类的卷积神经网络。首先，通过使用宏操作变异不断地改变父代神经架构的操作类型和连接方式来产生子代，最后进化出一个高性能的色素性皮损分类神经网络。实验结果表明，MOM‑NAS搜索到的卷积神经网络能够取得与前沿方法接近或更好的分类性能，在HAM10000和ISIC2017数据集上分别取得了72.4％和58.5％的平均敏感度。

【技术实现步骤摘要】
基于宏操作变异神经架构搜索的色素性皮损图像分类方法
本专利技术涉及医学图像处理方法领域，更具体地，涉及一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法。
技术介绍
皮肤癌是最常见的癌症类型之一，其中黑色素瘤是最致命的皮肤癌，死亡率约占75％，早期准确识别黑色素瘤可显著提高患者的生存率。色素性皮损图像一般采用皮肤镜采集，由于皮肤颜色或毛发等方面的影响以及黑色素瘤和非黑色素瘤病灶高度的视觉相似性，医生可能会出现误诊或漏诊的情况。因此，研究色素性皮损自动分类方法可以辅助医生对黑色素瘤的识别准确率和工作效率。目前深度学习在医学图像处理任务中取得了较大进展，一些研究开始将深度学习方法应用于黑色素瘤的识别，尤其是使用卷积神经网络(ConvolutionalNeuralNetwork，CNN)用于色素性皮损图像分类。实践证明，神经网络架构的设计对提取图像的特征和分类性能至关重要。然而，它的设计在很大程度上依赖于专家的经验，例如卷积核的选择、超参数的设置等。另外，人们现有的先验知识和固定的思维模式可能在一定程度上限制了新神经网络架构的发现。
技术实现思路
本专利技术提供一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，该方法提高基于CNN的色素性皮损图像分类准确性。为了达到上述技术效果，本专利技术的技术方案如下：一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，包括以下步骤：S1：增加自定义的宏操作搜索空间，并对AmoebaNet原始的微操作搜索空间进行简化；r>S2：采用基于宏操作变异的进化搜索策略搜索最佳Cell；S3：堆叠最佳Cell构建色素性皮损分类神经网络，并在数据集上进行训练和测试。进一步地，所述步骤S1的具体过程是：S11：将InceptionV1、PS、Fire、SE宏操作加入到该搜索空间；S12：移除了在NASNet-A、AmoebaNet-A最佳Cell中不出现的微操作，包括1×1卷积、5×5最大池化和7×7最大池化；S13：增加了3×3和5×5空洞卷积操作，用微操作和宏操作构造候选的Normalcell和Reductioncell。进一步地，所述步骤S2的具体过程是：S21：基于微操作搜索空间初始化P个神经架构形成种群；S22：进化种群：每次进化将从种群中随机选取S个神经架构，其中适应度最高的神经架构作为变异对象parent；S23：使用宏操作变异产生子代架构child，并对child进行性能评估，child和父代种群一起进入下一次迭代，直到满足收敛条件。进一步地，所述步骤S23中，宏操作变异的具体过程是：1)、随机确定神经架构的变异位点：从Normalcell和Reductioncell中随机选择变异的cell，再从组成cell的B个Blocks中随机选择一个block，之后再随机选择block中的一个操作op；2)、从宏操作搜索空间中随机选择一个宏操作macroop对op进行替换，至此，神经架构的宏操作变异完成。进一步地，每个Cell包括若干Blocks组成，每个Block由一个五元组构成，Block的操作包括微操作或者宏操作，Block的操作的输出相加作为该Block的最终输出。其中，所述步骤S3中的数据集选用HAM10000和ISIC2017；所述HAM10000数据集具有10015张皮肤镜图像，包含了七种皮损图像：黑色素瘤、色素痣、基底细胞癌、光化性角化病、良性角化病、皮肤纤维瘤和血管损伤；对HAM10000数据集随机分成四等份，其中一等份2500张图像作为测试集，其它三等份5000张用于训练和验证；ISIC2017数据集共有2750张图像，包含了三种皮损图像：黑色素瘤、色素痣和脂溢性角化病；ISIC2017数据集已经划分了训练集2000张、验证集150张以及测试集600张。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术将宏操作加入搜索空间：基于Cell的搜索空间，将PSP、Fire、SE和InceptionV1等宏操作加入到搜索空间中，使搜索空间既包含卷积层等基本操作，也包含这些人工设计的、精巧的宏操作，扩大了被搜索的神经架构范围。此外，对原NAS搜索空间进行了简化，移除了1×1卷积、5×5最大池化和7×7最大池化等基本操作；在进化搜索过程中，通过使用宏操作变异改变父代的神经架构来产生子代；将宏操作作为变异的目标单元替换神经架构的操作类型，以及使用AmoebaNet中的连接变异方法来改变神经架构的连接方式。该方法在HAM10000和ISIC2017色素性皮损数据集上取得了与前沿方法接近或者更好的分类性能，平均敏感度分别为72.4％和58.5％。附图说明图1为本专利技术方法流程框图；图2为通过MON-NAS在HAM10000上发现的最佳Cell结构，包含了4个Block.左：NormalCell.右：ReductionCell.其中，H[i-1]和H[i]是两个输入，i是层数，对所有没有后续连接的Block的输出使用concat运算作为Cell的最终输出；图3为在不同堆叠深度下(a)HAM10000和(b)ISIC2017验证集的MC-Sensitivity-Epoch曲线。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。如图1所示，一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，包括以下步骤：S1：增加自定义的宏操作搜索空间，并对AmoebaNet原始的微操作搜索空间进行简化；S2：采用基于宏操作变异的进化搜索策略搜索最佳Cell；S3：堆叠最佳Cell构建色素性皮损分类神经网络，并在数据集上进行训练和测试。步骤S1的具体过程是：S11：将InceptionV1、PS、Fire、SE宏操作加入到该搜索空间；S12：移除了在NASNet-A、AmoebaNet-A最佳Cell中不出现的微操作，包括1×1卷积、5×5最大池化和7×7最大池化；S13：增加了3×3和5×5空洞卷积操作，用微操作和宏操作构造候选的Normalcell和Reductioncell。步骤S2的具体过程是：S21：基于微操作搜索空间初始化P个神经架构形成种群；S22：进化种群：每次进化将从种群中随机选取S个神经架构，其中适应度最高的神经架构作为变异对象parent；S23：使用宏操作变异产生子代架构child，并对child进行性能评估，child和父代种群一起进入下一次迭代，直到满足收敛条件。具体的算法程序描述如下(算法1)：步骤S23中，本文档来自技高网...

【技术保护点】
1.一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，其特征在于，包括以下步骤：/nS1：增加自定义的宏操作搜索空间，并对AmoebaNet原始的微操作搜索空间进行简化；/nS2：采用基于宏操作变异的进化搜索策略搜索最佳Cell；/nS3：堆叠最佳Cell构建色素性皮损分类神经网络，并在数据集上进行训练和测试。/n

【技术特征摘要】
1.一种基于宏操作变异神经架构搜索的色素性皮损图像分类方法，其特征在于，包括以下步骤：
S1：增加自定义的宏操作搜索空间，并对AmoebaNet原始的微操作搜索空间进行简化；
S2：采用基于宏操作变异的进化搜索策略搜索最佳Cell；
S3：堆叠最佳Cell构建色素性皮损分类神经网络，并在数据集上进行训练和测试。


2.根据权利要求1所述的基于宏操作变异神经架构搜索的色素性皮损图像分类方法，其特征在于，所述步骤S1的具体过程是：
S11：将InceptionV1、PS、Fire、SE宏操作加入到该搜索空间；
S12：移除了在NASNet-A、AmoebaNet-A最佳Cell中不出现的微操作，包括1×1卷积、5×5最大池化和7×7最大池化；
S13：增加了3×3和5×5空洞卷积操作，用微操作和宏操作构造候选的Normalcell和Reductioncell。


3.根据权利要求2所述的基于宏操作变异神经架构搜索的色素性皮损图像分类方法，其特征在于，所述步骤S2的具体过程是：
S21：基于微操作搜索空间初始化P个神经架构形成种群；
S22：进化种群：每次进化将从种群中随机选取S个神经架构，其中适应度最高的神经架构作为变异对象parent；
S23：使用宏操作变异产生子代架构child，并对child进行性能评估，child和父代种群一起进入下一次迭代，直到满足收敛条件。


4.根据权利要求3所述的基于宏操作变异神经架构搜索的色素性皮损图像分类方法，其特征在于，所述步骤S23中，宏操作变异的具体过程是：
1)、随机确定神经架构的变异位点：从Normalcell和Reductioncell中随机选择变异的cell，...

【专利技术属性】
技术研发人员：黄琳，何晴，杨铁军，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：广西;45